Skills是一个简单的概念，具有相应简单的格式。这种简单性使组织、开发者和最终用户更容易构建定制化Agent并赋予它们新能力。Anthropic团队对人们用Skills构建的内容充满期待。你可以通过查看Skills文档和cookbook立即开始使用。
随着大语言模型能力的不断提升，我们已经能够构建与完整计算环境交互的通用AI Agent。以Claude Code为例，它可以通过本地代码执行和文件系统操作完成跨领域的复杂任务。
但随着这些Agent变得越来越强大，我们需要更加可组合、可扩展和可移植的方式，为它们配备特定领域的专业知识。
这促使Anthropic创建了Agent Skills——一个由指令、脚本和资源组成的有序文件夹系统，Agent可以动态发现并加载这些技能，从而在特定任务上表现得更出色。
2025年12月18日，Anthropic已将Agent Skills作为开放标准发布，实现跨平台可移植性。
从通用到专业：Agent Skills的核心理念
为Agent构建技能，就像为新员工准备入职指南。
Skills将你的专业知识打包成可组合的资源，让通用Agent转变为符合你需求的专业Agent。
这种方式不需要为每个用例构建碎片化的定制Agent，任何人都可以通过捕获和分享程序化知识，为Agent配备可组合的能力。
要激活技能，你只需要编写一个包含自定义指导的SKILL.md文件。
技能的解剖结构：以PDF技能为例
让我们通过一个实际案例来理解Skills的工作原理：为Claude新推出的文档编辑能力提供支持的PDF技能。
Claude本身对理解PDF已经很在行，但在直接操作PDF（比如填写表单）方面能力有限。PDF技能赋予了Claude这些新能力。
最简单的技能就是一个包含SKILL.md文件的目录。
这个文件必须以YAML前置元数据开头，包含必需的元数据：名称（name）和描述（description）。在启动时，Agent会将每个已安装技能的名称和描述预加载到系统提示词中。
这个元数据是渐进式信息披露的第一层：它提供刚好足够的信息，让Claude知道何时应该使用每个技能，而不需要将所有内容加载到上下文中。
文件的实际主体是第二层细节。如果Claude认为该技能与当前任务相关，它会通过读取完整的SKILL.md将技能加载到上下文中。
渐进式信息披露：无限扩展的关键
随着技能复杂度的增长，单个SKILL.md可能无法容纳所有上下文，或者某些上下文仅在特定场景下才相关。
在这些情况下，技能可以在技能目录中捆绑额外的文件，并从SKILL.md中按名称引用它们。这些额外链接的文件是第三层（及更多层）的细节，Claude可以根据需要选择导航和发现。
在PDF技能示例中，SKILL.md引用了两个额外文件（reference.md和forms.md）。通过将表单填写指令移到单独的文件（forms.md）中，技能作者能够保持核心技能的精简，相信Claude只会在填写表单时才读取forms.md。
渐进式信息披露是使Agent Skills灵活且可扩展的核心设计原则。就像一本组织良好的手册，从目录开始，然后是具体章节，最后是详细附录，技能让Claude只在需要时加载信息。
拥有文件系统和代码执行工具的Agent不需要在处理特定任务时将整个技能读入上下文窗口。这意味着技能中可以捆绑的上下文量实际上是无限的。
技能与上下文窗口的协同工作
当用户消息触发技能时，上下文窗口的变化过程如下：
•初始状态- 上下文窗口包含核心系统提示词、每个已安装技能的元数据，以及用户的初始消息
•触发技能- Claude通过调用Bash工具读取pdf/SKILL.md的内容来触发PDF技能
•深入加载- Claude选择读取与技能捆绑的forms.md文件
•执行任务- Claude在加载了PDF技能的相关指令后，继续执行用户的任务
技能与代码执行：效率与可靠性的结合
技能还可以包含代码，供Claude根据需要作为工具执行。虽然大语言模型在许多任务上表现出色，但某些操作更适合传统代码执行。
例如，通过token生成对列表排序的成本远高于简单运行排序算法。除了效率考虑，许多应用还需要只有代码才能提供的确定性可靠性。
在PDF技能示例中，包含了一个预先编写的Python脚本，用于读取PDF并提取所有表单字段。Claude可以运行这个脚本，而无需将脚本或PDF加载到上下文中。由于代码是确定性的，这个工作流程是一致且可重复的。
开发和评估技能的最佳实践
Anthropic团队分享了一些开始创作和测试技能的实用指南：
•从评估开始- 通过在代表性任务上运行Agent并观察它们在哪里遇到困难或需要额外上下文，来识别Agent能力的具体差距。然后逐步构建技能来解决这些不足。
•为扩展而设计结构- 当SKILL.md文件变得难以管理时，将其内容拆分为单独的文件并引用它们。如果某些上下文是互斥的或很少一起使用，保持路径分离将减少token使用。代码既可以作为可执行工具，也可以作为文档。应该明确Claude是直接运行脚本还是将它们读入上下文作为参考。
•从Claude的角度思考- 监控Claude在实际场景中如何使用你的技能，并根据观察进行迭代：注意意外的轨迹或对某些上下文的过度依赖。特别关注技能的名称和描述，Claude会使用这些来决定是否触发技能以响应当前任务。
•与Claude一起迭代- 在与Claude完成任务时，要求Claude将其成功方法和常见错误捕获到技能中的可重用上下文和代码中。如果它在使用技能完成任务时偏离轨道，让它自我反思哪里出错了。这个过程将帮助你发现Claude实际需要什么上下文，而不是试图提前预测。
安全考虑：谨慎选择技能来源
技能通过指令和代码为Claude提供新能力。虽然这使它们功能强大，但也意味着恶意技能可能在使用环境中引入漏洞，或指示Claude泄露数据并采取意外行动。
Anthropic建议仅从可信来源安装技能。从不太可信的来源安装技能时，在使用前要彻底审计。
首先阅读技能中捆绑的文件内容以了解它的功能，特别注意代码依赖项和捆绑的资源（如图像或脚本）。同样，注意技能中指示Claude连接到潜在不可信外部网络源的指令或代码。
技能的未来：更广阔的应用前景
Agent Skills目前已在Claude.ai、Claude Code、Claude Agent SDK和Claude开发者平台上得到支持。
在未来几周，Anthropic将继续添加支持技能创建、编辑、发现、共享和使用完整生命周期的功能。
团队特别期待Skills能帮助组织和个人与Claude分享他们的上下文和工作流程。他们还将探索Skills如何通过教授Agent涉及外部工具和软件的更复杂工作流程，来补充Model Context Protocol（MCP）服务器。
展望更远的未来，Anthropic希望让Agent能够自主创建、编辑和评估Skills，让它们将自己的行为模式编码为可重用的能力。
Skills是一个简单的概念，具有相应简单的格式。这种简单性使组织、开发者和最终用户更容易构建定制化Agent并赋予它们新能力。
Anthropic团队对人们用Skills构建的内容充满期待。你可以通过查看Skills文档和cookbook立即开始使用。
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
四、AI大模型商业化落地方案
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。
